本例利用顏色來統計保險絲的個數，分析時利用了圖像的HSV空間，通過實驗該方法可靠性較高。
例程分析主要步驟如下：
1.將圖像由RGB格式轉換至HSV格式，並將其分離至HSV三個通道。
2.根據飽和度通道講保險絲區域分割出來，即ROI區域。
3.利用ROI區域將保險絲的強度通道分離出來，即使保險絲與背景分離。
4.不同顏色所對應的的色彩通道的灰度值不同，根據相應色彩的灰度範圍 即可區分出不同顏色的保險絲。
本例程的收穫主要由以下幾點：
1.針對不同顏色物體的分離、統計、檢測等要求可以利用其HSV空間。
2.在分離ROI區域時，得到Mask區域後可以採用的方法爲 A.copyTo(B,Mask)。
該方法等同於Halcon中的reduce_domain (A, Mask, B)。
3.在進行閾值分割時OpenCv中沒有分割出兩個閾值之間區域的算子，因此我採用了以下兩種算子來達到相應結果，
threshold(A, B, min, 255, THRESH_TOZERO)
threshold(B, B, max, 255, THRESH_TOZERO_INV)
該方法等同於Halcon中的 threshold（A，B，min，max)
4.將分割出來的區域的連接的部分分割開，以便進行面積、中心、形狀的選擇及統計。Halcon中採用的方法爲Connection
OpenCv中採用findContours亦可達到相應的效果。
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
for (int i = 0; i < 5; i++)
{
cv::Mat imagecolor, imagehsv, imageh, images, imagev, ROI, HROI, HTarget, cour, Hsg;
vector<Mat> hsvchannels;
string file;
string s;
char t[256];
sprintf_s(t, "%02d", i);
s = t;//int 轉化爲String
file = "../data/color/color_fuses_" + s + ".png";
imagecolor = imread(file);
if (imagecolor.empty())
break;
cvtColor(imagecolor, imagehsv, CV_RGB2HSV);//將圖像轉換至HSV空間
split(imagehsv, hsvchannels);
imageh = hsvchannels.at(0);
images = hsvchannels.at(1);
imagev = hsvchannels.at(2);//將HSV通道分離
threshold(images, ROI, 60, 255, THRESH_BINARY);//利用飽和度通道講保險絲區域分離,選定ROI區域
imageh.copyTo(HROI, ROI);//採用色彩通道來區分顏色，因此在H通道分割出ROI區域
threshold(HROI, HTarget, 110, 255, THRESH_TOZERO);//利用強度通道區分顏色紅色110~230、橘黃97~110、黃80~95、綠30~60l、藍色0~10
threshold(HTarget, HTarget, 230, 255, THRESH_TOZERO_INV);//分割出兩個閾值之間的區域
blur(HTarget, HTarget, Size(2, 2));//對圖像進行平滑去除部分噪聲
threshold(HTarget, HTarget, 110, 255, THRESH_BINARY);
cv::Mat element25(25, 25, CV_8U, cv::Scalar(1));
cv::Mat close;
cv::morphologyEx(HTarget, close, cv::MORPH_CLOSE, element25);
cv::Mat element15(25, 25, CV_8U, cv::Scalar(1));
cv::Mat open;
cv::morphologyEx(close, open, cv::MORPH_OPEN, element15);//分割出目標區域
vector<vector<Point> > contours;
vector<Vec4i> hierarchy;
/// 找到輪廓
findContours(open, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
/// 圓形邊界框
vector<vector<Point> > contours_poly(contours.size());
vector<Point2f>center(contours.size());
vector<float>radius(contours.size());
for (int i = 0; i < contours.size(); i++)
{
minEnclosingCircle(contours[i], center[i], radius[i]);
}
/// 畫包圍的 圓形框
Mat drawing = Mat::zeros(imagecolor.size(), CV_8UC3);
for (int i = 0; i < contours.size(); i++)
{
Scalar color = Scalar(0, 0, 255);
circle(drawing, center[i], (int)radius[i], color, 4, 8, 0);
}
Mat drawingroi;//在白色圖片上繪製圖形不可以簡單的相加
cvtColor(drawing, drawingroi, CV_RGB2GRAY);
threshold(drawingroi, drawingroi, 20, 255, THRESH_BINARY);
drawing.copyTo(imagecolor, drawingroi);
sprintf_s(t,"%01d", contours.size());
s = t;
string txt ="Red Fuse : "+ s;
putText(imagecolor, txt, Point(100, 100), CV_FONT_HERSHEY_COMPLEX, 1,
Scalar(0, 0, 255), 2, 8);
imshow("Image", imagecolor);
waitKey();
}
return 0;
}
---------------------
作者：機器視覺專業論壇
來源：CSDN
原文：https://blog.csdn.net/Chailiren/article/details/62903369
版權聲明：本文爲博主原創文章，轉載請附上博文鏈接！